A machine learning pipeline for supporting differentiation of glioblastomas from single brain metastases
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/97584
Tipus de documentText en actes de congrés
Data publicació2016
EditorI6doc.com
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
ProjecteTRANSACT - Transforming Magnetic Resonance Spectroscopy into a Clinical Tool (EC-FP7-316679)
Abstract
Machine learning has provided, over the last decades, tools for knowledge extraction in complex medical domains. Most of these tools, though, are ad hoc solutions and lack the systematic approach that would be required to become mainstream in medical practice. In this brief paper, we define a machine learning-based analysis pipeline for helping in a difficult problem in the field of neuro-oncology, namely the discrimination of brain glioblastomas from single brain metastases. This pipeline involves source extraction using k-Meansinitialized Convex Non-negative Matrix Factorization and a collection of classifiers, including Logistic Regression, Linear Discriminant Analysis, AdaBoost, and Random Forests.
CitacióMocioiu, V., de Barros, N., Ortega, S., Slotboom, J., Knecht, U., Arús, C., Vellido, A., Julià, M. A machine learning pipeline for supporting differentiation of glioblastomas from single brain metastases. A: European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. "ESANN 2016 proceedings: European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning: Bruges (Belgium), 27-29 April 2016". Bruges: I6doc.com, 2016, p. 247-252.
ISBN978-287587027-8
Versió de l'editorhttps://www.elen.ucl.ac.be/Proceedings/esann/esannpdf/es2016-82.pdf
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
es2016-82.pdf | 1,343Mb | Visualitza/Obre |